Простийпошук |
Розширенийпошук |
Покажчики
|
Професійний пошук |
Рубрикатор НБУВ |
Розподілений пошук |
Бази даних
Наукова періодика України - результати пошуку
Книжкові видання та компакт-дискиЖурнали та продовжувані виданняАвтореферати дисертаційРеферативна база данихНаукова періодика УкраїниТематичний навігаторАвторитетний файл імен осіб
 |
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
| Знайдено в інших БД: | Реферативна база даних (1) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>AT=Ахрамович Моделювання і візуалізація соціальних$<.>) | |||
|
Загальна кількість знайдених документів : 1 |
|||
| 1. | 
Ахрамович В. М. Моделювання і візуалізація соціальних мереж [Електронний ресурс] / В. М. Ахрамович // Зв'язок. - 2020. - № 2. - С. 28-33. - Режим доступу: http://nbuv.gov.ua/UJRN/Zvjazok_2020_2_7 У структурному підході всі учасники мережі розглядаються як вершини графа, які впливають на конфігурацію ребер та інших учасників мережі. Основну увагу приділено геометричній формі мережі та інтенсивності взаємодій (вазі ребер), тому було досліджено такі характеристики, як взаємне розташування вершин, центральність, транзитивність взаємодій. Структурний аналіз і аналіз поведінки зв'язків у соціальних мережах потрібен для визначення найбільш важливих вершин, зв'язків, спільнот і країн, регіонів мережі, що розвиваються. Такий аналіз дає можливість здійснювати огляд глобальної еволюційної поведінки мережі. Під час структурного аналізу та аналізу поведінки зв'язків використано методи статистичного аналізу, методи визначення спільнот, алгоритми класифікації. Вивчено взаємну поведінку вершин мережі з огляду на припущення, що в більшості вершин є мало зв'язків, виникають при цьому "ядра" (скупчення) або ступеня вершин розподіляються більш рівномірно. Моделювання проведено в середовищі Social Network Visualizer. Вивчено поведінку вершин під час кластеризації. З'ясовано, що саме слабкі зв'язки є тим феноменом, який зв'язує мережу в єдине ціле. Досліджено ефект "малих світів". Розглянуто два стани мережі: регулярна мережа, кожний вузол якої з'єднано з чотирма сусідніми тієї самої мережі, в якій деякі "близькі" (сильні) зв'язки випадково замінено "далекими" (слабкими) зв'язками (саме в цьому разі виникає феномен "малих світів"), і випадкова мережа, коли кількість таких замін перевищила певний поріг. З'ясовано, що саме ті мережі, вузли яких мають одночасно кілька локальних і "далеких" зв'язків, демонструють ефект малого світу і великий рівень кластеризації. Для виокремлення спільнот використано як спеціалізовані алгоритми, наприклад алгоритм кластеризації маркова, так і просто поділ об'єктів за класом модульності. | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |